基于优化光谱指数的新疆春小麦冠层叶绿素含量估算

为筛选可用于干旱半干旱区春小麦冠层叶绿素含量估算的高光谱植被指数,2017年通过测定春小麦关键生育时期冠层的田间高光谱与叶绿素含量,利用光谱指数波段优化算法分别计算400～1 300 nm光谱波段中不同波段两两组合的比值光谱指数(ration spectral index,RSI)、归一化光谱指数(normalized difference spectral index,NDSI)、叶绿素指数(chlorophyll index,CI)、简化光谱指数(CI/NDSI,NPDI),并将这些参数及其他17个不同高光谱植被指数分别与实测冠层叶绿素含量进行Pearson相关分析,通过变量重要性准则筛选最优光谱参数,使用偏最小二乘回归法建立冠层叶绿素含量的预测模型。结果表明:(1)RSIs、NDSIs、CIs和NPDIs与冠层叶绿素含量的相关性都优于前人研究中定义的17种高光谱植被指数,并且冠层叶绿素含量与NDSI(R_(849),R_(850))、RSI(R_(849),R_(850)),CI(R_(849),R_(850))和NPDI(R_(849),R_(850))表现出强相关性。(2)用此4个优化光谱指数分别建模时,以CI(R_(849),R_(850))、 CI(R_(539),R_(553))、 CI(R_(540),R_(553))、 CI(R_(536),R_(553))为自变量的X-3模型预测精度最高(r^2=0.74,RMSE=0.272 mg·g^(-1))。(3)结合4个优化光谱指数构建的组合模型预测精度,其r^2=0.83,RMSE=0.187 mg·g^(-1)。

基于优化光谱指数的土壤有机质含量估算

为了寻求估算土壤有机质含量的最佳光谱参数,实现土壤养分无损监测,使用ASD Field-Spec3型高光谱仪对野外采集的土壤样品进行室内光谱测定,并通过重铬酸钾氧化容量法测定土壤样品有机质质量比;利用两波段优化算法对构建的新算法(SOMCI/ND)进行波段优化,筛选基于不同光谱数据(原始光谱反射率及其对应的4种数学变换)运算下的最敏感波段组合,从而建立土壤有机质质量比高光谱估算模型。结果表明:通过归一化光谱指数(IND)和概念指数(ICI)比值构建的新算法(SOMCI/ND)优化后与土壤有机质质量比之间的相关性显著提高,在光谱原始数据及其平方根、倒数变换形式下,相关系数绝对值达到0. 82,且敏感的组合波段集中在2 220~2 240 nm和2 160~2 195 nm。基于平方根波段优化的估算模型效果最佳,估算精度R2P为0. 84,RMSEP为2. 24 g/kg,RPD为2. 89。对光谱数据的适当数学变换有利于优化光谱指数,更好地估算土壤有机质质量比,进一步实现土壤有机质质量比的高精度动态监测。